README_CN.md
Zvec 是一款开源的嵌入式(进程内)向量数据库 — 轻量、极速，可直接嵌入应用程序。以极简的配置提供生产级、低延迟、可扩展的向量检索能力。
[!IMPORTANT] 🚀 v0.5.0（2026 年 6 月 12 日）
- 全文检索（FTS）：原生全文检索能力——可为任意字符串字段挂载 FTS 索引，使用自然语言或结构化表达式检索，无需外接搜索引擎。
- 混合检索：在单次
MultiQuery中融合全文与向量检索，跨稠密向量、稀疏向量、标量过滤与文本。- DiskANN 索引：全新磁盘索引，将索引主体存于磁盘，大幅降低大规模数据集的内存占用。
- 生态与平台：全新官方 Go / Rust SDK、可视化工具 Zvec Studio，以及 RISC-V 架构支持。
Zvec 提供多语言官方 SDK：
pip install zvec（需 Python 3.10–3.14）npm install @zvec/zvecflutter pub add zvec想要图形界面？试试 Zvec Studio，零代码浏览数据与调试查询。
如需从源码构建 Zvec，请参考源码构建指南。
import zvec
# 定义 collection schema
schema = zvec.CollectionSchema(
name="example",
vectors=zvec.VectorSchema("embedding", zvec.DataType.VECTOR_FP32, 4),
)
# 创建 collection
collection = zvec.create_and_open(path="./zvec_example", schema=schema)
# 插入 documents
collection.insert([
zvec.Doc(id="doc_1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]}),
zvec.Doc(id="doc_2", vectors={"embedding": [0.2, 0.3, 0.4, 0.1]}),
])
# 向量相似度检索
results = collection.query(
zvec.VectorQuery("embedding", vector=[0.4, 0.3, 0.3, 0.1]),
topk=10
)
# 查询结果：按相关性排序的 {'id': str, 'score': float, ...} 列表
print(results)
Zvec 提供极致的速度和效率，能够轻松应对高要求的生产环境负载。
有关具体的测试方法、配置及完整结果，请参阅性能报告。
| 💬 钉钉群 | 📱 微信群 | 🎮 Discord | X (Twitter) |
|---|---|---|---|
| 扫码加入 | 扫码加入 | 点击加入 | 点击关注 |
非常欢迎来自社区的每一份贡献！无论是修复 Bug、新增功能，还是完善文档，都将让 Zvec 变得更好。
请查阅我们的贡献指南开始参与！